隐私保护的数据处理方法、装置、设备及机器学习系统制造方法及图纸

本说明书提供一种隐私保护的数据处理方法、装置、设备及机器学习系统。一个方法实施例中，在多方参与的数据共享应用场景中需要获取机器学习算法中使用的非线性激活函数的数据处理结果时，可以使用非线性激活函数的无损表达式，利用多方安全计算协同计算各个子项，可以避免将其展开为多项式的近似求值算法，降低计算复杂性，提高了计算机设备计算非线性激活函数数据处理的效率。并且，可以大幅度降低例如泰勒展开等近似计算非线性激活函数的复杂程度和精度损失。

【技术实现步骤摘要】
隐私保护的数据处理方法、装置、设备及机器学习系统
本说明书实施例属于密码学的隐私保护
，尤其涉及一种隐私保护的数据处理方法、装置、设备及机器学习系统。
技术介绍
机器学习模型可以包括激活函数。一些机器学习模型中的激活函数为超越函数(例如Sigmoid函数)，所述超越函数涉及的运算通常包括指数运算、三角函数运算等非线性运算。计算机对这些非线性激活函数数据进行处理时，通常使用泰勒展开的计算方法进行处理，其计算数据是指数级的，计算过程相对较为复杂。目前多方参与的数据共享应用场景中，常常需要多个参与方共同协作，共同建立或使用机器学习模型。多个参与方的私有数据需要使用机器学习模型的运算结果时，通常需要多个参与方共同参与计算、交互，并且各个保证参与方输出的输出结果为私有的，对其他参与方是不可见的。对于私有数据拥有方而言，数据是非常重要的资产。各个参与方希望共同使用彼此的私有数据来获取机器学习模型的运算结果，但又不想把各自的私有数据提供给其它参与方，以防止自己的隐私数据泄露。
技术实现思路
本说明书的目的在于提供一种隐私保护本文档来自技高网...

【技术保护点】
1.一种隐私保护的数据处理方法，包括：/n确定机器学习算法中使用的非线性激活函数的无损表达式，所述无损表达式包括非线性激活函数的第一运算部分和第二运算部分；/n第一参与方和第二参与方基于多方安全计算协同计算所述第一运算部分，第一参与方得到所述第一运算部分的第一分片，第二参与方得到所述第一运算部分的第二分片；/n第一参与方基于所述第一分片确定所述第二运算部分的第一分片，第二参与方基于所述第二分片确定所述第二运算部分的第二分片，第一参与方和第二参与方基于所述第二运算部分的第一分片和第二运算部分的第二分片进行多方安全计算，得到所述第二运算部分的运算结果；/n所述第一参与方对所述第一运算部分的第一分片...

【技术特征摘要】
1.一种隐私保护的数据处理方法，包括：
确定机器学习算法中使用的非线性激活函数的无损表达式，所述无损表达式包括非线性激活函数的第一运算部分和第二运算部分；
第一参与方和第二参与方基于多方安全计算协同计算所述第一运算部分，第一参与方得到所述第一运算部分的第一分片，第二参与方得到所述第一运算部分的第二分片；
第一参与方基于所述第一分片确定所述第二运算部分的第一分片，第二参与方基于所述第二分片确定所述第二运算部分的第二分片，第一参与方和第二参与方基于所述第二运算部分的第一分片和第二运算部分的第二分片进行多方安全计算，得到所述第二运算部分的运算结果；
所述第一参与方对所述第一运算部分的第一分片与第二运算部分的运算结果进行所述非线性激活函数的运算，得到非线性激活函数运算结果的第一结果分片，所述第二参与方对所述第一运算部分的第二分片与第二运算部分的运算结果进行所述非线性激活函数的运算，得到所述非线性激活函数运算结果的第二结果分片。


2.如权利要求1所述的方法，其中，若所述无损表达式包含常数项，则将所述常数项变换为非固定值参数；
所述无损表达式中包含自变量的项根据所述常数项变换到所述非固定值参数的变换方式执行对应的变换，确定所述非线性激活函数的变换无损表达式。


3.如权利要求2所述的方法，所述变换方式包括：
将所述常数项变换到非零实数；
以及以第一参与方获取的第一随机数作为所述非固定值参数的第一分片，以第二参与方获取的第二随机数作为所述非固定值参数的第二分片。


4.如权利要求1所述的方法，所述非线性激活函数包括能使用泰勒展开式表达的非线性激活函数。


5.如权利要求4所述的方法，所述非线性激活函数包括函数，所述无损表达式为：



则，拥有第一分片的第一参与方生成第一随机数，拥有第二分片的第二参与方生成第二随机数，其中，，；
第一参与方和第二参与方基于多方安全计算协同计算第一运算部分，第一参与方得到的第一分片<>1，第二参与方得到的第二分片<>2；
第一参与方和第二参与方基于多方安全计算协同计算第二运算部分；
第一参与方计算，得到运算结果的第一结果分片，第二参与方计算，得到运算结果的第二结果分片。


6.一种隐私保护的数据处理方法，包括：
第一参与方通过与剩余参与方的多方安全计算协同计算无损表达式第一运算部分，得到所述第一运算部分的第一分片，所述无损表达式包括多方参与的机器学习算法中使用的非线性激活函数的无损表达式；
第一参与方基于所述第一分片确定所述非线性激活函数的第二运算部分的第一分片；
所述第一参与方对所述第一运算部分的第一分片与第二运算部分的运算结果进行所述非线性激活函数的运算，得到非线性激活函数运算结果的第一结果分片，所述第二运算部分的运算结果基于所述第二运算部分的第一分片和剩余参与方拥有的第二运算部分的剩余分片进行多方安全计算恢复得到。


7.如权利要求6所述的方法，其中，若所述无损表达式包含常数项，则将所述常数项变换为非固定值参数；
所述无损表达式中包含自变量的项根据所述常数项变换到所述非固定值参数的变换方式执行对应的变换，确定所述非线性激活函数的变换无损表达式。


8.如权利要求7所述的方法，所述变换方式包括：
将所述常数项变换到非零实数；
以及以第一参与方获取的第一随机数作为所述非固定值参数的第一分片，以第二参与方获取的第二随机数作为所述非固定值参数的第二分片。


9.如权利要求6所述的方法，所述非线性激活函数包括能使用泰勒展开式表达的非线性激活函数。


10.如权利要求6所述的方法，所述非线性激活函数包括函数，所述无损表达式为：



则，拥有第一分片的第一参与方生成第一随机数，其中，所述第一分片与剩余参与方的分片之和为，第一随机数与剩余参与方的随机数之和为；
第一参与方通过与剩余参与方的多方安全计算协同计算第一运算部分，得到的第一分片<>1；
第一参与方通过与剩余参与方的多方安全计算协同计算第二运算部分，得到的第一分片<>1；
第一参与方计算，得到运算结果的第一结果分片。


11.如权利要求10所述的方法，所述第一参与方通过与剩余参与方的多方安全计算协同计算第一运算部分，得到的第一分片<>1，包括：
第一参与方基于本地计算的与剩余参与方基于多方安全计算协同计算，得到计算结果的一个分片<>1；表示第个参与方，表示第个参与方拥有的分片，取值为[1,2…],为参与方的个数，；
第一参与方获取与剩余参与方通过多方安全计算协同计算得到的计算结果...

【专利技术属性】
技术研发人员：陈超超，周俊，王力，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33